Sumários
Multi-Agentes e Economia da IA
12 Novembro 2025, 14:00 • Paulo Jorge Lopes Gaudêncio
Contexto e Desenvolvimento: Encerramento do conteúdo teórico com o convidado Tamas Kokeny. A aula focou na realidade do mercado de engenharia de produto e em como gerir o trabalho semanal entre humanos e agentes de IA.
Tópicos Principais:
Pitch das novas ideias para o Projeto 2.
Aula: "AI Economics Guide" e práticas de estúdios de produto digitais.
Review das checklists de demo para o novo projeto.
Conceitos-Chave:
AI Engineering: A nova disciplina de construir software focado em IA.
Bobcats Coding: Estudo de caso de um estúdio que utiliza IA para desenvolvimento rápido.
Objetivos de Aprendizagem:
Aprender a planear tarefas semanais para agentes de IA.
Compreender os custos e a viabilidade económica de produtos de IA.
Trabalho Autónomo:
Refinar o PRD e a Landing Page com base no feedback do Pitch de hoje.
Preparar a primeira sprint de desenvolvimento do Projeto 2 na stack da Google.
IA Generativa Nativa (Projecto 2)
5 Novembro 2025, 14:00 • Paulo Jorge Lopes Gaudêncio
Contexto e Desenvolvimento: Lançamento do Projeto 2, um desafio técnico superior. A mudança é do uso de IA como um simples chat (wrapper) para uma integração nativa no core da aplicação, utilizando a stack experimental da Google.
Tópicos Principais:
Introdução à stack Google: Stitch, Antigravity e Gemini 3 Pro.
Formação de equipas e brainstorming inicial.
Desafio: Incluir interfaces de voz e lógica de multi-agentes.
Conceitos-Chave:
IA Integrada: A aplicação utiliza o modelo de linguagem para processar dados internos e gerar valor core.
Multi-Agentes: Sistemas onde várias IAs colaboram em tarefas distintas.
Objetivos de Aprendizagem:
Desenhar arquiteturas de IA mais complexas.
Utilizar ferramentas de design que exportam código diretamente (Stitch).
Trabalho Autónomo:
Gerar a ideia para o Projeto 2 e escrever o PRD (usando o prompt específico fornecido).
Criar uma Landing Page de apresentação em Lovable ou Google AI Studio.
Refinamento Projecto 1 e Critérios de Mérito
29 Outubro 2025, 14:00 • Paulo Jorge Lopes Gaudêncio
Contexto e Desenvolvimento: Preparação final para a entrega do Projecto 1. Discutiu-se a diferença entre um projeto "médio" e um projeto de "excelência" (mérito), focando na integração técnica e na experiência do utilizador (User Journey).
Tópicos Principais:
Refinamento dos projetos: Correção de bugs e fluidez da demo.
Preparação do Pitch de 10 minutos para convidados de mercado.
Explicação detalhada da avaliação (40% entregáveis, 40% mérito técnico).
Conceitos-Chave:
End-to-End Journey: O percurso do utilizador desde o registo até ao benefício final sem falhas.
IA no Produto: O uso de IA para o utilizador final (ex: assistente integrado) e não apenas para ajudar o aluno a programar.
Objetivos de Aprendizagem:
Produzir um Pitch Deck de alto impacto.
Garantir a integração de Frontend, Backend e Base de Dados.
Trabalho Autónomo:
Finalizar o SaaS funcional.
Criar a apresentação (Pitch.com, Gamma ou Genspark) baseada no PRD e no template fornecido.
Rituais Ágeis e Stack de desenvolvimento Google
22 Outubro 2025, 14:00 • Paulo Jorge Lopes Gaudêncio
Contexto e Desenvolvimento: Metade do desenvolvimento do Projecto 1. A aula focou na importância da cadência semanal do Scrum e na exploração de alternativas à stack habitual, apresentando ferramentas da Google que aceleram a criação de apps.
Tópicos Principais:
Execução prática de rituais: Sprint Review (demonstração), Sprint Retro (melhoria) e Sprint Planning (próximas tarefas).
Apresentação do Stitch e Google AI Studio Coder 2.0.
Conceitos-Chave:
Rework: A regra de que não se aceitam cópias puras; é obrigatório personalizar design e funcionalidades.
Vibe Coding no AI Studio: Como a Google está a entrar no mercado de builders de apps por IA.
Objetivos de Aprendizagem:
Gerir o código no GitHub com atualizações semanais.
Manter o Miro atualizado para garantir os 20% de nota de planeamento.
Trabalho Autónomo:
Continuar as sprints de desenvolvimento.
Identificar novos segmentos ou funcionalidades para diferenciar o produto final.
Research, Validação de Ideias e Discovery
15 Outubro 2025, 14:00 • Paulo Jorge Lopes Gaudêncio
Contexto e Desenvolvimento: Foco total na fase de Discovery do Projeto 1. A aula sublinhou que "os dados não mentem" e que o sucesso de um produto depende de uma pesquisa profunda (Deep Research) sobre o mercado e a concorrência.
Tópicos Principais:
Uso de IA para validação de nichos (ex: Ideabrowser.com).
Transformação de ideias genéricas em propostas de valor específicas.
Estruturação do backlog de tarefas para a primeira sprint.
Conceitos-Chave:
Vertical AI: Focar em copilotos específicos (ex: para Shopify ou Unreal Engine) em vez de ferramentas generalistas.
Market Fit: Validar se o problema que a equipa quer resolver é uma dor real para os utilizadores.
Objetivos de Aprendizagem:
Realizar pesquisa competitiva assistida por IA.
Definir os entregáveis do MVP.
Trabalho Autónomo:
Executar o documento de Deep Research e o PRD detalhado.
Adicionar ao Miro a entrada oficial da equipa com todos os links necessários para avaliação.